Prime Intellectが2026年8月に公開したオープンソースのAIエージェント実行系「Prime Agent」を解説する動画です。これは単なるモデルではなく、モデルを動かすための「ハーネス」として機能します。自己改善能力を持ち、パズル解決ベンチマーク「ARC-AGI-3」で人間超えのスコアを記録したことで注目を集めており、その独特な設計思想と仕組みについて詳しく紹介されています。

背景

Prime Agentは、従来のAIエージェントが抱えていた課題に対する新しいアプローチを提示しています。既存のエージェントは多数のツールを個別に定義していましたが、Prime Agentは「Python実行環境」という単一の強力なツールに集約しています。また、タスクごとに環境を使い捨てず、実行状態を永続化させることで、長時間の作業や複雑な推論を可能にする設計が取られています。動画内ではOpus 5やGLM-5.2、GPT-5.6といったモデルとの組み合わせについても言及されています。

この動画の要点

1. 「Python実行環境」という単一ツールへの集約：編集や検索、サブエージェントの起動といった機能を個別のツールとして定義せず、すべてPythonコードの実行を通じて行います。これにより、プロンプトのトークン消費を抑えつつ、柔軟な操作が可能になっています。

2. 実行状態の永続化と変数による管理：従来の対話履歴をすべてコンテキストに詰め込む方式とは異なり、中間データを変数として保持し、必要な要点だけを親エージェントに返却します。これにより、コンテキストウィンドウの肥大化を防ぎ、効率的な処理を実現しています。

3. 自己改善ループの仕組み：実行ログを振り返り、自身のスキルや設定を「harness_state.json」というファイルに書き出して更新し続ける能力を持っています。この自己改善プロセスにより、使うほどにエージェントが「育つ」という特徴を備えています。

なぜ重要か

Prime Agentの重要性は、エージェントの能力をモデルの性能だけに頼るのではなく、「ハーネス（実行系）」の設計によって引き出そうとしている点にあります。特に、ARC-AGI-3で95.5%という人間専門家（95.4%）を超えるスコアを、Opus 5などのモデルとの組み合わせで達成した事実は、適切な実行環境がいかに重要かを証明しています。また、オープンソースとしてソースコードが公開されているため、開発者が自身のハーネス設計の参考にできる点も大きな意義があります。

こんな人におすすめ

AIエージェントの開発に興味があるエンジニアや、最新のLLM活用技術を追っている方に最適です。モデルの性能を最大限に引き出すための「ハーネス」の設計思想や、効率的なコンテキスト管理の手法を学ぶことができます。